宇树 G1 人形机器人强化学习训练实战指南

宇树 G1 人形机器人强化学习训练实战指南

人形机器人的运动控制一直是领域内的难点，而强化学习（RL）为解决这一问题提供了强有力的工具。本教程基于宇树 G1 人形机器人，从基础的强化学习环境搭建开始，逐步深入到高自由度模型的训练配置、奖励函数设计与优化，最终实现复杂动作的训练控制。

环境配置与任务注册

宇树机器人的强化学习训练主要依赖 Isaac Gym 物理仿真环境和 RSL-RL 强化学习框架。在开始训练之前，我们需要确保这两个核心组件正确安装和配置。

启动基础训练

我们可以通过简单的命令来启动 12 自由度 G1 机器人的基础训练：

python legged_gym/scripts/train.py --task=g1 

这个命令背后的机制涉及到任务注册系统。在 legged_gym/envs/__init__.py 文件中，我们可以看到各种机器人任务的注册代码。这里的关键在于将具体的机器人类、配置文件和 PPO 策略注册到任务注册表中：

from legged_gym import LEGGED_GYM_ROOT_DIR, LEGGED_GYM_ENVS_DIR
from legged_gym.envs.go2.go2_config import GO2RoughCfg, GO2RoughCfgPPO
from legged_gym.envs.h1.h1_config import H1RoughCfg, H1RoughCfgPPO
from legged_gym.envs.h1_2.h1_2_config import H1_2RoughCfg, H1_2RoughCfgPPO
from legged_gym.envs.g1.g1_config import G1RoughCfg, G1RoughCfgPPO
from legged_gym.envs.g1.g1_env import G1Robot
from base.legged_robot import LeggedRobot
from legged_gym.utils.task_registry import task_registry

# 任务注册
task_registry.register("go2", LeggedRobot, GO2RoughCfg(), GO2RoughCfgPPO())
task_registry.register("h1", H1Robot, H1RoughCfg(), H1RoughCfgPPO())
task_registry.register("h1_2", H1_2Robot, H1_2RoughCfg(), H1_2RoughCfgPPO())
task_registry.register("g1", G1Robot, G1RoughCfg(), G1RoughCfgPPO())

12 自由度配置解析

标准的 G1 机器人配置文件位于 legged_gym/envs/g1/g1_config.py 中，其中定义了机器人的各项参数。让我们深入分析关键配置：

from legged_gym.envs.base.legged_robot_config import LeggedRobotCfg, LeggedRobotCfgPPO

class G1RoughCfg(LeggedRobotCfg):
    class init_state(LeggedRobotCfg.init_state):
        pos = [0.0, 0.0, 0.8]  # x,y,z [m] 初始位置
        default_joint_angles = {
            'left_hip_yaw_joint': 0.,
            'left_hip_roll_joint': 0,
            'left_hip_pitch_joint': -0.1,
            'left_knee_joint': 0.3,
            'left_ankle_pitch_joint': -0.2,
            'left_ankle_roll_joint': 0,
            'right_hip_yaw_joint': 0.,
            'right_hip_roll_joint': 0,
            'right_hip_pitch_joint': -0.1,
            'right_knee_joint': 0.3,
            'right_ankle_pitch_joint': -0.2,
            'right_ankle_roll_joint': 0,
            'torso_joint': 0
        }

    class env(LeggedRobotCfg.env):
        num_observations = 47  # 观测维度
        num_privileged_obs = 50  # 特权观测维度
        num_actions = 12  # 动作维度

这里的关键参数解释如下：

• pos: 机器人在仿真环境中的初始位置。
• default_joint_angles: 各关节的默认角度，这些角度对应机器人的自然站立姿态。
• num_observations: 观测空间维度，包括身体姿态、关节状态等信息。
• num_actions: 动作空间维度，对应可控制的关节数量。

扩展到 23 自由度模型

当我们将 G1 机器人从 12 自由度扩展到 23 自由度时，增加的 11 个自由度主要分布在上肢。这种扩展带来了显著的复杂性增加，不仅仅是参数数量的增长，更重要的是动作空间的指数级扩展和训练难度的显著提升。

新增自由度分布

• 腰部：3 个自由度（yaw, pitch, roll）
• 左右肩部：各 3 个自由度（pitch, roll, yaw）
• 左右肘部：各 1 个自由度（pitch）
• 左右手腕：各 1 个自由度（roll）

创建 23 自由度配置

为了不破坏现有的 G1 训练任务，我们在 legged_gym/envs/g1/ 目录下创建新的配置文件 g1_config_23.py：

from legged_gym.envs.base.legged_robot_config import LeggedRobotCfg, LeggedRobotCfgPPO

class G1_23RoughCfg(LeggedRobotCfg):
    class init_state(LeggedRobotCfg.init_state):
        pos = [0.0, 0.0, 0.8]
        default_joint_angles = {
            # 腿部关节（保持原有配置）
            'left_hip_yaw_joint': 0.,
            'left_hip_roll_joint': 0,
            'left_hip_pitch_joint': -0.1,
            'left_knee_joint': 0.3,
            'left_ankle_pitch_joint': -0.2,
            'left_ankle_roll_joint': 0,
            'right_hip_yaw_joint': 0.,
            'right_hip_roll_joint': 0,
            'right_hip_pitch_joint': -0.1,
            'right_knee_joint': 0.3,
            'right_ankle_pitch_joint': -0.2,
            'right_ankle_roll_joint': 0,
            # 新增的上肢关节
            'waist_yaw_joint': 0,  # 注意：torso_joint 改名为 waist_yaw_joint
            'left_shoulder_pitch_joint': 0.,
            'left_shoulder_roll_joint': 0,
            'left_shoulder_yaw_joint': 0.,
            'left_elbow_joint': 0.,
            'left_wrist_roll_joint': 0.,
            'right_shoulder_pitch_joint': 0.,
            'right_shoulder_roll_joint': 0.0,
            'right_shoulder_yaw_joint': 0.,
            'right_elbow_joint': 0.,
            'right_wrist_roll_joint': 0.
        }

观测维度的重新计算

观测维度的计算是强化学习配置中的关键环节。对于足式机器人，标准的观测包括基座角速度、重力投影、运动命令、关节位置偏差、关节速度、上一步动作以及相位信息。

因此，23 自由度 G1 机器人的观测维度为：3 + 3 + 3 + 23×3 + 2 = 80 维。通过查看 /unitree_rl_gym/legged_gym/envs/g1/g1_env.py 中的 privileged_obs_buf 和 obs_buf，我们发现多了 base_lin_vel（线速度）3 维。

    class env(LeggedRobotCfg.env):
        num_observations = 80  # 普通观测维度
        num_privileged_obs = 83  # 特权观测维度（多了基座线速度 3 维）
        num_actions = 23  # 动作维度

控制参数配置

针对新增的关节，需要配置相应的 PD 控制参数。不同类型的关节需要不同的刚度和阻尼设置：

    class control(LeggedRobotCfg.control):
        control_type = 'P'  # PD 控制
        # 关节刚度配置 [N*m/rad]
        stiffness = {
            'hip_yaw': 100, 'hip_roll': 100, 'hip_pitch': 100,
            'knee': 150, 'ankle': 40, 'waist_yaw': 250,  # 腰部需要更高刚度
            'shoulder': 100, 'elbow': 50, 'wrist': 50
        }
        # 关节阻尼配置 [N*m*s/rad]
        damping = {
            'hip_yaw': 2, 'hip_roll': 2, 'hip_pitch': 2,
            'knee': 4, 'ankle': 2, 'waist_yaw': 6,  # 腰部阻尼
            'shoulder': 2, 'elbow': 2, 'wrist': 2
        }
        action_scale = 0.25  # 动作缩放因子
        decimation = 4  # 控制频率分频

资源文件更新与任务注册

最后，需要更新机器人模型文件路径：

    class asset(LeggedRobotCfg.asset):
        file = '{LEGGED_GYM_ROOT_DIR}/resources/robots/g1_description/g1_23dof_rev_1_0.urdf'
        name = "g1"
        foot_name = "ankle_roll"
        penalize_contacts_on = ["hip", "knee"]
        terminate_after_contacts_on = ["pelvis"]
        self_collisions = 0
        flip_visual_attachments = False

完成配置后，在 __init__.py 中注册新任务：

from legged_gym.envs.g1.g1_config_23 import G1_23RoughCfg, G1_23RoughCfgPPO
task_registry.register("g1_23", G1Robot, G1_23RoughCfg(), G1_23RoughCfgPPO())

现在可以使用以下命令开始 23 自由度的训练：

python legged_gym/scripts/train.py --task=g1_23 

奖励函数架构深度解析

核心作用与设计原则

在强化学习中，奖励函数是算法学习的唯一指导信号。对于足式机器人，一个良好的奖励函数设计需要平衡多个目标：稳定性、任务完成度、能耗效率、动作自然性等。

宇树的强化学习框架采用了模块化的奖励函数设计，每个奖励组件专注于机器人行为的特定方面。这种设计使得我们可以精细调节每个行为特征的重要性。

配置详解

在 G1 机器人的配置类 G1RoughCfg(LeggedRobotCfg) 中，奖励函数的配置采用继承和重写的方式：

class G1RoughCfg(LeggedRobotCfg):
    class rewards(LeggedRobotCfg.rewards):
        # 基础参数设置
        soft_dof_pos_limit = 0.9  # 柔性关节位置限制，保护机械结构
        base_height_target = 0.78  # 期望的机器人身体高度

    class scales(LeggedRobotCfg.rewards.scales):
        # 轨迹跟踪奖励
        tracking_lin_vel = 1.0
        tracking_ang_vel = 0.5
        # 稳定性相关惩罚
        lin_vel_z = -2.0  # z 方向线速度惩罚（防跳跃）
        ang_vel_xy = -0.05  # xy 轴角速度惩罚（防翻滚）
        orientation = -1.0  # 姿态偏离惩罚
        base_height = -10.0  # 高度偏离惩罚
        # 动作平滑性惩罚
        dof_acc = -2.5e-7  # 关节加速度惩罚
        dof_vel = -1e-3  # 关节速度惩罚
        action_rate = -0.01  # 动作变化率惩罚
        # 步态相关奖励
        feet_air_time = 0.0
        contact = 0.18
        contact_no_vel = -0.2
        feet_swing_height = -20.0
        # 安全性奖励
        collision = 0.0
        dof_pos_limits = -5.0
        alive = 0.15
        hip_pos = -1.0

参数设置详解：

• soft_dof_pos_limit = 0.9: 设置为 URDF 限制的 90%，当关节接近极限位置时开始惩罚，保护机械结构。
• base_height_target = 0.78: G1 机器人的理想身体高度（米），用于维持稳定的站立姿态。

初始化与执行机制

在 LeggedRobot 类的初始化过程中，_prepare_reward_function() 方法负责构建奖励函数列表。这个机制的巧妙之处在于动态函数查找：通过 getattr(self, '_reward_' + name) 自动找到对应的奖励函数，这意味着我们只需要定义函数并在配置中设置权重，系统就会自动将其纳入训练过程。

def _prepare_reward_function(self):
    """准备奖励函数列表，查找所有非零权重的奖励函数"""
    for key in list(self.reward_scales.keys()):
        scale = self.reward_scales[key]
        if scale == 0:
            self.reward_scales.pop(key)
        else:
            self.reward_scales[key] *= self.dt  # 转换为每秒奖励
    
    self.reward_functions = []
    self.reward_names = []
    for name, scale in self.reward_scales.items():
        if name == "termination":
            continue
        self.reward_names.append(name)
        function_name = '_reward_' + name
        self.reward_functions.append(getattr(self, function_name))

每个仿真步骤都会调用 compute_reward() 方法来计算总奖励：

def compute_reward(self):
    """计算总奖励，调用所有非零权重的奖励函数"""
    self.rew_buf[:] = 0.
    for i in range(len(self.reward_functions)):
        name = self.reward_names[i]
        rew = self.reward_functions[i]() * self.reward_scales[name]
        self.rew_buf += rew

核心奖励函数逻辑

让我们深入分析几个关键的奖励函数：

轨迹跟踪奖励：使用指数衰减的奖励机制，误差越小，奖励越接近 1；误差增大，奖励快速衰减至 0。

def _reward_tracking_lin_vel(self):
    """线速度跟踪奖励 - 鼓励机器人按指令移动"""
    lin_vel_error = torch.sum(torch.square(
        self.commands[:, :2] - self.base_lin_vel[:, :2]), dim=1)
    return torch.exp(-lin_vel_error / self.cfg.rewards.tracking_sigma)

def _reward_tracking_ang_vel(self):
    """角速度跟踪奖励 - 鼓励机器人按指令转向"""
    ang_vel_error = torch.square(
        self.commands[:, 2] - self.base_ang_vel[:, 2])
    return torch.exp(-ang_vel_error / self.cfg.rewards.tracking_sigma)

稳定性奖励：

def _reward_orientation(self):
    """姿态稳定性奖励 - 惩罚身体倾斜"""
    return torch.sum(torch.square(self.projected_gravity[:, :2]), dim=1)

def _reward_base_height(self):
    """高度控制奖励 - 保持目标高度"""
    base_height = self.root_states[:, 2]
    return torch.square(base_height - self.cfg.rewards.base_height_target)

动作平滑性奖励：

def _reward_action_rate(self):
    """动作变化率惩罚 - 鼓励平滑控制"""
    return torch.sum(torch.square(self.last_actions - self.actions), dim=1)

def _reward_dof_acc(self):
    """关节加速度惩罚 - 避免剧烈动作"""
    return torch.sum(torch.square((self.last_dof_vel - self.dof_vel) / self.dt), dim=1)